Ті молоді міські жителі, які позначають великі моделі ШІ

Автор: Sleepy.md

Тайюань Датун у провінції Шаньсі — місто, яке колись підпиралося вугіллям і тримало половину країни, — нині струшує з себе вугільний пил, бере в руки гострий киркоподібний інструмент і з усією силою завдає удару по іншій, невидимій шахті.

У офісній будівлі на території фінансового району Цзіньмао в районі Пінчен тепер немає підйомно-спускних шахт, немає й вантажівок для перевезення вугілля. Натомість — тисячі щільно розташованих комп’ютерних робочих місць. База великих даних і розумних сервісів Shanghai Runxun Cloud Zhong Shenggu займає аж кілька поверхів. Кілька тисяч молодих співробітників у навушниках пильно вдивляються в екрани, натискають, перетягують, обводять рамками.

Згідно з офіційними даними, станом на листопад 2025 року Датун уже ввів в експлуатацію 745k серверів, залучив 69 компаній із виклику та маркування даних, що забезпечило понад 30k випадків працевлаштування поблизу, обсяг виробництва — 750 мільйонів юанів. У цій цифровій ямі для видобутку даних 94% зайнятих — це люди з місцевою реєстрацією місця проживання.

Не лише Датун. Серед перших маркувальних баз даних, визначених Нацуправлінням із питань даних, у списку чітко фігурують і міста в центральній та західній частині Китаю: Юнхе повіту Шаньсі, Цзича в повіті Біє в Гуйчжоу, Мунцзи в повіті Юньнань тощо. У базі маркування даних повіту Юнхе 80% працівників — жінки. Переважно це сільські мами або молоді люди, які повернулися додому, бо не змогли знайти підходящу роботу.

Сто років тому на текстильній фабриці в Манчестері, що належала Британії, було набито повно селян, позбавлених землі. А сьогодні — за комп’ютерними екранами в цих віддалених повітових містечках сидять молоді люди, які не знайшли місця в реальній економіці.

Вони виконують дуже «позачасову» за відчуттям, але вкрай примітивну роботу за штучними нормами: виробляють дані-підживлення, необхідні для великих моделей, для AI-гігантів, що далеко в Пекіні, Шеньчжені та Силіконовій долині.

Ніхто не вважає, що в цьому є якась проблема.

Нові конвеєри на Лесовому плато

Суть маркування даних — навчити машину розпізнавати світ.

Автопілот має навчитися розпізнавати світлофорні сигнали та пішоходів, а великій моделі потрібно відрізняти: що таке кіт, а що — собака. У самої машини немає здорового глузду, тому спершу люди мають намалювати рамку на зображенні й сказати: «Це пішохід», — і лише після того, як вона проковтне мільйони зображень, машина навчиться розпізнавати самостійно.

Ця робота не потребує високої освіти — лише терпіння і вказівний палець, який може безперервно натискати.

У 2017 році, в «золотий вік», проста 2D-рамка коштувала аж трохи більше десятої частини юаня; інколи компанії оголошували ціну аж у п’яту частину десятої. Маркувальники з швидкою рукою за день могли працювати по кілька десятків годин і заробляти п’ять-шість сотень. У повітовому містечку це точно вважалося високою оплатою і пристойною роботою.

Але в міру еволюції великих моделей у цій лінії конвеєра почала проявлятися її жорстока сторона.

До 2023 року ціна за просте маркування зображень упала до 3–4 сотих гроша за роботу. Падіння перевищило 90%. Навіть для складніших 3D зображень хмар точок — там, де з великої кількості точок потрібно роздивитися межі, збільшуючи зображення в безліч разів, — маркувальникам доводиться витягувати в тривимірному просторі об’ємну рамку, що включає довжину, ширину, висоту та кут відхилення, аби щільно, без щілин, обгорнути нею автомобіль або пішохода. І навіть ця складна 3D-рамка коштує лише 5 сотих гроша.

Безпосереднім наслідком обвалу ціни за одиницю стало різке зростання інтенсивності праці. Щоб міцно триматися за щомісячний оклад у дві-три тисячі юанів, маркувальники змушені постійно, безперервно нарощувати швидкість своїх рук.

Це взагалі не легка офісна робота. У багатьох базах маркування керівництво настільки суворе, що стає задушливо: на роботі не можна відповідати на дзвінки, мобільний має бути замкнений у шухляді для зберігання. Система точно фіксує траєкторію миші та час перебування кожного працівника. Якщо зупинишся довше ніж на три хвилини — попередження в бекенді прилітають, мов різка батога.

Ще більш відчайдушним є показник толерантності до помилок. Ставка «прохідного рівня» у галузі зазвичай понад 95%, а деякі компанії вимагають 98–99%. Це означає: якщо ти обведеш 100 рамок, але помилишся лише у 2, — всю картинку повернуть на виправлення й переробку.

Анімація — це зв’язаний ланцюжок кадрів. Коли машина змінює смугу, її може бути частково закрито, тож маркувальник має відновити їх по асоціації — знайти кожну з них; у 3D хмарі точок усе, що має більше ніж 10 точок, треба обводити рамкою. У складному проєкті паркомісць лінії можуть «розтягнутися», щось може бути пропущено — під час контролю якості все одно знайдуть, де проблема. Повернення на переробку чотири-п’ять разів для однієї картинки — звична справа. І зрештою виходить: витрачаєш годину, а на руки — лише кілька сотих гроша.

Маркувальниця з провінції Хунань у соцмережах показала свій розрахунковий документ: за день роботи вона зробила понад 700 рамок, ціна за одиницю — 4 сотих гроша, а загальний дохід — 30,2 юаня.

Це — надзвичайно розщеплена картина.

З одного боку — на сцені презентацій блискучі й привабливі ІТ-лідери, які говорять про те, як AGI звільнить людей; з іншого — у повітових містечках на Лесовому плато та в південно-західних горах молоді люди щодня без відриву дивляться в екран 8–10 годин, механічно проводять рамки — кілька тисяч, кілька десятків тисяч і навіть уночі в снах: пальці зависають у повітрі й малюють лінії траєкторій.

Хтось колись говорив: «Зовні штучний інтелект — це суперкрутий автомобіль, який мчить геть, але коли відкриваєш дверцята, виявляєш, що всередині їде сотня людей — і вони щосили крутять педалі на велосипедах, стискаючи зуби».

Ніхто не вважає, що в цьому є якась проблема.

Підрахункова робота «як навчити машину кохати»

Коли вузьке місце розпізнавання зображень було подолано, великі моделі отримали ще глибший етап еволюції: їм потрібно навчитися думати й вести діалог, як люди, а також демонструвати «співпереживання».

Це породжує найцентральніший і водночас найдорожчий етап у тренуванні великих моделей — RLHF (підкріплювальне навчання на основі зворотного зв’язку людей).

Якнайпростіше: реальні люди оцінюють відповіді, згенеровані AI, і повідомляють йому, яка відповідь краща, що більше відповідає людським цінностям та емоційним уподобанням.

ChatGPT виглядає «ніби як людина», бо за лаштунками стоїть безліч маркувальників RLHF, які його «вчать».

На біржах підрядів такі задачі маркування часто мають чітко прописану ціну: 3–7 юанів за один елемент. Маркувальники мають виставляти AI-відповідям надзвичайно суб’єктивні емоційні оцінки, вирішуючи, чи «тепла» відповідь, чи «має співпереживання», чи «враховує емоції користувача».

Працівник нижчої ланки, який отримує зарплату дві-три тисячі на місяць, виснажений і без сил бігає по замкненому колу в реальних багнюках, навіть не маючи часу подбати про власні емоції, — але в системі йому доводиться виконувати роль емоційного наставника AI та судді за цінностями.

Їм потрібно силоміць розібрати на складові й кількісно перетворити на холодні бали від 1 до 5 такі надзвичайно складні й тонкі людські почуття, як теплота й співпереживання. Якщо їхня оцінка не збігається зі стандартною «правильною відповіддю» в системі, їх визнають таким, що не дотягує до вимог за «точністю», і зменшують винагороду за підрахункову роботу — ту, що й без того мізерна.

Це — когнітивне випорожнення. Складні й тонкі людські почуття, мораль і співчуття силоміць затягують у лійку алгоритму. У крижаній кількісній і стандартизованій шкалі їх витискають до останнього відтінку теплоти. Коли ти здивовано дивишся на те, як у екрані кібершуже (цифровий звір) вже навчилося писати вірші й музику, виявляти турботу й намагається виглядати багатосердним; але за екраном ті самі живі люди, які колись були живими, щодня в деградаційних механічних судженнях перетворюються на машину для оцінок без емоцій.

Це найтаємніша сторона всієї виробничої ланки: вона ніколи не з’являється в жодних новинах про фінансування та технічних білих книгах.

Ніхто не вважає, що в цьому є якась проблема.

985 магістр і хлопці з містечок

Робота з обведення рамок на нижньому рівні зараз розчавлюється гусеницями AI. Ця кібержива конвеєрна лінія починає розповзатися вгору й починає пожирати вищі рівні розумової праці.

Змінився апетит великих моделей. Вони більше не задовольняються тим, щоб пережовувати прості речі з «базового здорового глузду». Їм потрібно поглинати людські професійні знання й високорівневу логіку.

На великих рекрутингових платформах починають часто миготіти спеціальні підробітки на кшталт «маркування логічних міркувань великих моделей», «AI-тренер з гуманітарних наук». Поріг для цієї підробітки дуже високий: часто вимагають «ступінь магістра 985/211 або вище», і це стосується юридичної, медичної, філософської, літературної та інших професійних сфер.

Багато аспірантів із провідних університетів приваблюються й вливаються в ці аутсорсингові групи від великих техкомпаній. Але дуже швидко вони розуміють: це не просто легке «розумове гімнастика», а справжнє ментальне катування.

Перед тим як взяти офіційні замовлення, їм потрібно прочитати документи на десятки сторінок — з вимірами оцінювання та критеріями. Потрібно пройти дві-три раунди тестового маркування. Після проходження, під час офіційного маркування, якщо точність нижча за середній рівень, їх позбавлять права й «викинуть» з чату.

Найбільш душить те, що ці стандарти взагалі не є сталими. Коли стикаються зі схожими питаннями й відповідями, оцінювання за однаковою логікою може дати цілком протилежні результати. Це як складати контрольну роботу, яку ніколи не закінчиш і в якій немає жодної стандартної правильної відповіді. Неможливо підвищити точність завдяки власним зусиллям чи навчанню — можна лише крутися на місці, безперервно спалюючи і мозок, і сили.

Це і є нова форма експлуатації в епоху великих моделей — «складання класів».

Знання — ця «золота драбина», яку колись вважали шляхом прорвати стіни й підійматися вище, — нині перетворили на підношення алгоритму: воно стає цифровим «трав’яним кормом», який ще складніше пережовувати. Під владою алгоритмів і абсолютною владою системи 985 магістри з веж знань і хлопці з містечок на Лесовому плато дійшли до найхимернішого спільного кінця.

Усі вони разом впали в цю бездонну кібершахту: їм відняли ореол, стерли різницю, і перетворили на дешеві шестерні на гусеницях, які можна будь-коли замінити.

Так само відбувається і за кордоном. У 2024 році Apple напряму вирізала AI-команду з маркування голосу в Сент-Дієго, яка налічувала 121 людину. Ці працівники відповідали за покращення багатомовної обробки Siri. Вони колись думали, що стоять на периферії ключового бізнесу великої компанії, але миттєво впали в безодню безробіття.

У технологічних гігантів у будь-якому випадку однаково: і маркувальні «бабусі» з повітових містечок, і логічні тренери, які закінчили престижні університети, по суті є ресурсом, який можна замінити «коли завгодно».

Ніхто не вважає, що в цьому є якась проблема.

Триліонна Вавилонська вежа — і кров’ю, набитою за кілька цента

Згідно з даними, опублікованими Китаєм (China Academy of Information and Communications Technology), у 2023 році ринок маркування даних у Китаї становив 6,08 мільярда юанів, у 2025 році прогнозують 20–30 мільярдів, а до 2030 року — що глобальні продажі ринку маркування даних і сервісів злетять до 8Bа.

За цими числами — святкування оцінок вартості, де OpenAI, Microsoft, ByteDance та інші технологічні гіганти легко оперують оцінками в сотні мільярдів або й у десятки трильйонів доларів.

Але ці гроші й до того не потекли до тих, хто справді «годує» AI.

У китайській індустрії маркування даних видно типову структуру аутсорсингу у формі перевернутої піраміди. На найвищому рівні — технологічні гіганти, які намертво тримають у руках ядро алгоритмів. На другому — великі постачальники сервісів із даними. На третьому — бази маркування даних по всій країні та середні/малі аутсорсингові компанії. А на найнижчому рівні — ті самі маркувальники з нарахуванням за нормами, «кріпаки» знизу, що сидять на окладі за штучними розрахунками.

Кожен рівень аутсорсингу жорстко зрізає собі шар «масла». Коли ставка, яку кидає великий гравець, становить 5 сотих юаня, то після багатошарового «перетиску» до маркувальника в повітовому містечку може не дійти й 5 сотих.

Колишній міністр фінансів Греції Янніс Варуфакис у своїй книзі «Технологічний феодалізм» висунув надпроникливу тезу: сьогодні технологічні гіганти вже не є капіталістами в традиційному сенсі, а є «хмарними лордами» (Cloudalists).

У них немає заводів і машин — натомість є алгоритми, платформи, обчислювальні потужності. Це й є цифрові території епохи кіберпростору. У цій новій феодальній системі користувач — не споживач, а цифровий орендар, і кожні наші лайки, коментарі та перегляди в соцмережах безкоштовно живлять даними хмарних лордів.

А маркувальники даних, розташовані на «провислих» ринках, у цій системі є найнижчими цифровими селянами-рабами. Вони не лише виробляють дані, а ще й мають чистити, класифікувати та оцінювати величезні масиви первинних даних, перетворюючи їх на якісний «корм», який зможе перетравити велика модель.

Це — прихований рух із захоплення земель на рівні уявлень. Наче в XIX столітті рух «огорожі полів» у Британії загнав селян на ткацькі фабрики, так і сьогодні хвиля AI заганяє тих, кому в реальній економіці не знайшлося місця, — на екрани.

AI не стер прірву між класами. Він, навпаки, вибудував конвеєр «дані й кров» — від повітових містечок у Центральній та Західній частинах Китаю аж до штаб-квартир технологічних гігантів у Пекіні, Тяньцзіні, Гуанчжоу, Шеньчжені та в Шанхаї. Розповідь про технологічну революцію завжди масштабна й ефектна, але її фон ніколи не змінюється: масове споживання дешевої робочої сили.

Ніхто не вважає, що в цьому є якась проблема.

Більше не потрібне людству майбутнє

Найжорстокіший фінал уже зовсім поруч — і стає дедалі швидшим.

У міру стрибка можливостей великих моделей ті задачі маркування, які раніше потребували, щоб люди працювали день і ніч, починають переходити під контроль AI.

У квітні 2023 року засновник Ideal (理想) Лі Сян на форумі розкрив дані: раніше, щоб зробити близько 10 мільйонів кадрів автоматичного маркування зображень для автопілота за рік, потрібні були аутсорсингові витрати на суму, близьку до одного мільярда. Але коли вони використали великі моделі для автоматизованого маркування, то завдання, яке раніше виконували за рік, базово можна завершити за три години.

Ефективність у 1000 разів більша за людську — і це ще навіть у 2023 році. У щойно минулому березні Ideal також опублікувала новий поколінння MindVLA-o1 автоматизованого маркувального рушія.

В індустрії ходить фраза самоприниження, яка неймовірно правдива: «Скільки розуму, стільки й людей». Але тепер, у витратах великих компаній на аутсорсинг маркування даних, уже з’явився обвал на рівні 40–50%.

Ті хлопці з містечок, які безліч ночей і днів сиділи перед комп’ютером, вигоряли очима так, що вони червоніли, власноруч годували гігантського звіра. А тепер цей звір повертає голову й розбиває їм тарілку.

Коли надходить ніч, офісні будівлі в районі Пінчен міста Датун усе ще білі, як удень, від холодного світла. Молоді працівники на зміні мовчки передають одне одному в ліфтових холах виснажені тіла. У цьому просторі, щільно затиснутому нескінченними полігональними рамками, нікого не турбує, які історичні стрибки ще дістануться з іншого боку океану архітектурі Transformer, і ні в кого не виходить розібратися в реві обчислювальних потужностей за плечима трильйонних параметрів.

Їхній погляд прикутий лише до червоно-зеленого індикатора в бекенді, який позначає «прохідний рівень». Вони рахують: чи зможуть ті кілька балів, ті кілька сотих гроша зі штучних нарахувань скласти пристойне життя до кінця місяця.

З одного боку — плескіт дзвону NASDAQ і нескінченні матеріали технологічних медіа: гіганти піднімають келихи за прихід AGI; з іншого — цифрові раби, яких годували AI через рот, власною плоттю й тілом: вони можуть лише, здригаючись від болю в тілі, чекати в кислих, неспокійних снах ту саму гігантську істоту, яку вони ж і виростили власними руками. А в якийсь ніби звичайний ранок вона без особливих вагань просто виштовхне викине їм тарілку з рук.

Ніхто не вважає, що в цьому є якась проблема.